Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ΠΛΗ31 ΚΑΡΤΕΣ ΜΑΘΗΜΑΤΟΣ 2.5

2,071 views

Published on

.

Published in: Education
  • Be the first to comment

  • Be the first to like this

ΠΛΗ31 ΚΑΡΤΕΣ ΜΑΘΗΜΑΤΟΣ 2.5

  1. 1. ΓΝΩΣΗ(ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ)ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ (1 από 3) Σχετίζουμε κάθε κανόνα με έναν αριθμό από το -1 έως το +1 που συμβολίζει την βεβαιότητα εξαγωγής του συμπεράσματος με βάση έναν κανόνα παραγωγής: Συγκεκριμένα: • Αριθμητική τιμή -1 θα συμβολίζει απόλυτη βεβαιότητα ότι ΔΕΝ ισχύει το συμπέρασμα του κανόνα. • Αριθμητική τιμή +1 θα συμβολίζει απόλυτη βεβαιότητα ότι ΙΣΧΥΕΙ το συμπέρασμα του κανόνα. Το συντακτικό των κανόνων τροποποιείται ως: IF συνθήκες THEN συμπεράσματα (ΣΒ) Όπου ΣΒ είναι ο συντελεστής βεβαιότητας του συγκεκριμένου κανόνα. Παράδειγμα: Δίνεται η παρακάτω βάση κανόνων: R1: if shape is round then fruit is orange (0.5) R2: if shape is round then fruit is apricot (0.3) R3: if shape is round and surface is weasand then fruit is orange (0.85) R4: if shape is round and color is yellow then fruit is apricot (0.6) R5: if shape is round and color is yellow and size is small then fruit is apricot (0.8) Το δίκτυο συλλογισμού ενός συστήματος κανόνων παραγωγής είναι σύνολο από δένδρα όπου: • Για «ρίζα» έχουμε τα συμπεράσματα των κανόνων. • Παιδιά είναι οι κανόνες από τους οποίους έπονται τα συμπεράσματα. • Εγγόνια είναι οι υποθέσεις των αντίστοιχων κανόνων ∆ίκτυα Συλλογισµού των κανόνων: µ1: «shape is round» µ2: «surface is weasand» µ3: «color is yellow» µ4: «size is small» Υ1: fruit is orange Y2: fruit is apricot
  2. 2. ΓΝΩΣΗ(ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ)ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ (2 από 3) Αν υπάρχουν μαρτυρίες δηλαδή συγκεκριμένα δεδομένα των συνθηκών των κανόνων σχετιζόμενα με αριθμητικές τιμές από το -1 στο +1, γράφουμε: • Όπου μ είναι αριθμός που δίνει πόσο ισχύουν οι συνθήκες του κανόνα Αυτές οι αριθμητικές τιμές συνήθως λαμβάνονται ρητά από τον χρήστη μέσω ερωταπαντήσεων με το σύστημα. Αν έχουμε μαρτυρίες για τους κανόνες, τότε η τελική τιμή του ΣΒ του κανόνα δίνεται από τον τύπο: • Αν έχουμε AND στις συνθήκες των κανόνων επιλέγουμε την ελάχιστη από τις μαρτυρίες ως το τελικό μ. • Αν έχουμε OR στις συνθήκες των κανόνων επιλέγουμε την μέγιστη από τις μαρτυρίες ως το τελικό μ. Ο χρήστης αλληλεπιδρώντας με το σύστημα δίνει τις εξής βεβαιότητες για τα αντίστοιχα γεγονότα: Ερώτηση: «shape is round» Απάντηση: 0.9 Ερώτηση: «color is yellow» Απάντηση: 0.75 Ερώτηση: «size is small» Απάντηση: 0.65 Ερώτηση: «surface is weasand» Απάντηση: 0.70 Συνδυάζοντας τις Μαρτυρίες µε τους Συντελεστές Βεβαιότητας των κανόνων έχουµε: Μαρτυρία: «shape is round» µ1=0.9 Μαρτυρία: «surface is weasand» µ2=0.70 Μαρτυρία: «color is yellow» µ3=0.75 Μαρτυρία: «size is small» µ4=0.65 Έχουµε: ΣΒ[R1] = 0.9 x 0.5 = 0.450 ΣΒ[R2] = 0.9 x 0.3 = 0.270 ΣΒ[R3] = 0.7 x 0.85 = 0.595 ΣΒ[R4] = 0.75 x 0.6 = 0.450 ΣΒ[R5] = 0.65 x 0.8 = 0.580 IF συνθήκες (μ) THEN συμπεράσματα (ΣΒ) ΣΒ[R]=μ x ΣΒ
  3. 3. ΓΝΩΣΗ(ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ)ΣΥΝΤΕΛΕΣΤΕΣ ΒΕΒΑΙΟΤΗΤΑΣ (3 από 3) • Για να χρησιμοποιηθεί μια μαρτυρία (ή ένα σύνολο μαρτυριών) πρέπει ο ΣΒ τους να είναι τουλάχιστον 0.2 • Αν δύο μαρτυρίες ενεργοποιούν διαφορετικούς κανόνες (έστω R1 και R2) που συνάγουν το ίδιο συμπέρασμα Υ, τότε ο τελικός συντελεστής βεβαιότητας του συμπεράσματος Υ συνάγεται από τον τύπο: • Αν υπάρχουν περισσότεροι κανόνες (π.χ. 3), τότε εξάγουμε ένα ενδιάμεσο αποτέλεσμα από τους δύο πρώτους κανόνες (έστω ΣΒ[Υ’]) το οποίο συνδυάζουμε με τον ΣΒ του 3ου κανόνα κ.ο.κ. • Τελικά επικρατεί ο ισχυρισμός που έχει τον μεγαλύτερο συντελεστή βεβαιότητας. ΣΒ Υ ΣΒ R1 ΣΒ R2 ΣΒ R1 ΣΒ R2 , ΣΒ R1 0, ΣΒ R2 0 ΣΒ R1 ΣΒ R2 ΣΒ R1 ΣΒ R2 ΣΒ R1 0, ΣΒ R2 0 ΣΒ R1 ΣΒ R2 1 |ΣΒ R1 |, |ΣΒ R2 | ώ Για τον ισχυρισµό 1 «fruit is orange» έχω ΣΒ Y1 ΣΒ R1 ΣΒ R3 ΣΒ R1 ΣΒ R3 0.450 0.595 0.450 0.595 0.778 Για τον ισχυρισµό 2 «fruit is apricot» έχω ΣΒ Y′ ΣΒ R2 ΣΒ R4 ΣΒ R2 ΣΒ R4 0.270 0.450 0.270 0.450 0.599 ΣΒ Y2 ΣΒ Y′ ΣΒ R5 ΣΒ Y′ ΣΒ R5 0.599 0.580 0.599 0.580 0.831 Συνεπώς επικρατεί ο ισχυρισµός ότι «fruit is apricot»

×